这段文字说明特别清楚，引用过来

如果我们考察单一投资品在总共 T 期内的表现，那应该用对数收益率，而非算数收益率。算术平均值不能正确的反应一个投资品的收益率。比如一个投资品今年涨了 50%，明年跌了 50%，它的算数平均收益率为0；但事实上，两年后该投资品亏损了最初资金的 25%。相反的，对数收益率由于具备可加性，它的均值可以正确反映出该投资品的真实收益率。比如这两年的对数收益率分别为 40.5% 和 -69.3%，平均值为-28.77%，转换为百分比亏损就是 exp{-28.77%} - 1 = -25%。
对数收益率的时序可加性让我们能够使用另外两个利器：“中心极限定理”和“大数定律”。假设初始资金 X_0（假设等于 1），ln(X_T) = ln(X_T/X_0) 就是整个 T 期的对数收益率。对数收益率的最大好处是它的可加性，把单期的对数收益率相加就得到整体的对数收益率。

在做策略建模的时候，经常需要把K线转换为可以正态分布数据，这样可以使用那些很牛吼吼的数学模型进行挖掘。

实现很简单

c = ln(t1/t0)
像相信研究可以看看这个 https://www.zhihu.com/question/30113132

在VNPY的K线序列管理工具ArrayManager，可以加入下面代码。按照属性返回对数收益率序列

@property
def percentLog(self):
    """获取对数收益序列"""
    arrayold = self.closeArray[0:self.size - 1]
    arraynew = self.closeArray[1:self.size]
    return np.log(arraynew/arrayold)*100.0

传统close 曲线

对数收益率后，把几个突变极大极小值忽略后，就是一个很标准正态分布，然后就可以用一堆模型来套用了

学习

楼主好人

前面是不是有必要补一个nan值，否则与其他基于真实价格序列的指标计算值序列没法对齐了。

请教大佬，我在class ArrayManager(object):中添加一个函数def is_K_gap如下，调用：if self.am.is_K_gap():报错如下：
AttributeError: 'ArrayManager' object has no attribute 'is_K_gap'
是什么原因？

def is_K_gap(self, array: bool = False)-> bool:
self.write_log("is_K_gap计算gap指标")
res_close = self.close
res_open = self.open
if abs(res_close[-2]-res_open[-2])/res_open[-2] >= 0.005:
return True
else:
return False